燃气轮机启动过程故障诊断方法研究

作者：张艾森

来源：自动化仪表, 2022, 43(11): 33-38.

DOI：10.16086/j.cnki.issn1000-0380.2022020033

• 燃气轮机
• 启动故障
• 故障诊断
• 诊断错误率
• 诊断模型
• 特征提取
• 故障特征
• 深度信念网络

在诊断燃气轮机启动故障时，常存在平均故障诊断错误率较高的问题。为此，提出基于深度信念网络(DBN)的燃气轮机启动过程故障诊断方法。在选取与典型启动故障相关的样本数据后，从机理的角度入手获取故障特征。根据DBN结构构建启动过程故障诊断模型，结合列文伯格-马夸尔特(L-M)算法设计自适应学习率改进算法，实现故障诊断精度的提升。按照参数表征性和冗余性选取试验样本，确定排气温度、电机电流、燃机转速和电机转速这4种参数类型作为故障诊断方法测试的数据基础，经由模型得出诊断结果。试验结果表明：所设计方法的平均故障诊断错误率为3.3%,与交叉全局人工蜂群和支持向量机(CGABC-SVM)方法、深度学习与信息融合诊断方法相比，所设计方法的平均故障诊断错误率分别降低了28.7%、37.0%,有效提升了燃气轮机启动过程故障诊断结果的准确性。该研究为燃气轮机的安全启动提供了保障。

• 单位
  上海工业自动化仪表研究院有限公司